近期,Science 和Nature 杂志相继报道了两篇与血检有关的论文,一篇可以进行多达8种癌症的早期诊断[1],另一篇的诊断对象则是难以捉摸的阿尔茨海默病(Alzheimer"s disease)[2]。
癌症
根据世界卫生组织的观点,如果做到早期诊断和充分治疗,许多癌症会有很高的治愈率[3]。因此,癌症的早期检测也一直是癌症研究领域的热点。不过癌症种类繁多,很难在血液中找到可靠的对应生物标志物,癌症的早期检测也一直是个难点。美国约翰霍普金斯大学Nickolas Papadopoulos等科学家近期发明了一种全新的血液检测技术——CancerSEEK,实现了多种癌症的早期诊断。这项新技术检测血液中与癌症相关的DNA和蛋白质。在1005名被临床确诊的8种常见癌症(卵巢癌、肝癌、胃癌、胰腺癌、食道癌、结直肠癌、肺癌或乳腺癌)患者中,中位数灵敏度高达70%;而且,CancerSEEK的特异性超过99%,这意味着假阳性率低于1%。这些结果让CancerSEEK完胜目前所有实际使用的癌症血检技术。
CancerSEEK对8种癌症诊断的灵敏度。图片来源:Science
不管是哪种癌症,癌细胞都是从普通细胞变异而来,发生突变的遗传物质使癌细胞不再正常凋亡,而是不断生长。在癌症发生过程中,一些受损的细胞会把变异的DNA释放到血液中,检测这些DNA理论上就可以进行癌症血液诊断。尽管基因检测技术飞速进步,但想通过检测血液中的DNA实现癌症的早期诊断在目前仍然非常具有挑战性。
如果仅仅想查出某一种特定的癌症,那么检测尽量多种类的突变DNA能够提高准确性。但Papadopoulos的团队发现增加待测基因的数量会使癌症检出率下降。这个道理很简单,就像用搜索引擎找东西一样,关键词越多,搜索结果越准确。但同时也意味着得到的搜索结果会变少。对于大部分需要做癌症早期筛查的人群来说,不仅要告诉他们患了哪种癌症,更重要的是“是否患有癌症”。怎样才能兼顾检出率和准确性呢?研究人员的策略是“DNA搭配蛋白质”。他们选择了16种在不同癌症中经常发生突变的基因(AKT1、APC、BRAF、CDKN2A、CTNNB1、EGFR、FBXW7、FGFR2、GNAS、HRAS、KRAS、NRAS、PIK3CA、PPP2R1A、PTEN、TP53)作为检测对象,另外搭配8种常见的癌症特异性蛋白质生物标记物(CA-125、CA 19-9、CEA、HGF、Myeloperoxidase、OPN、Prolactin、TIMP-1)。这一选择使新技术的检出率和准确性都显著提高。
在1005名被临床确诊的8种常见癌症患者中,包括卵巢癌、肝癌、胃癌、胰腺癌、食道癌、结直肠癌、肺癌或乳腺癌(I期至III期,均未发生转移),研究者测试了CancerSEEK的表现。结果表明,CancerSEEK对这8种癌症的中位数灵敏度为70%,其中卵巢癌检测灵敏度最高,达到98%;而乳腺癌检测灵敏度最低,只有33%;肝癌、胃癌、胰腺癌和食道癌的灵敏度在69%至98%之间,这几种癌症和卵巢癌都是难以在早期发现的种类(上图)。这项测试的假阳性率非常低,只有不到1%。在812名健康人中,仅有7人的CancerSEEK测试出现阳性结果。如此之高的特异性也是CancerSEEK的一大亮点。如果继续把患者按照不同癌症分期分组,可以看到CancerSEEK对于II期和III期癌症的中位数灵敏度分别为73%和78%。尽管相比之下早期癌症(I期)的中位数灵敏度较低(43%)(下图),但早期肝癌的灵敏度竟然高达惊人的100%。这一成绩尽管还不完美,但相比之下已经是非常大的进步了。
不同癌症分期CancerSEEK的检测灵敏度。图片来源:Science
血检进行癌症诊断需要面对的另一个大挑战,就是确定肿瘤的位置。试想一下,血液在全身流动,从血样分析结果中要确定身体的哪个部位出现肿瘤,这难度可想而知。研究者们使用了机器学习方法(也就是火热的AI技术)来从血检结果中预测肿瘤位置。不得不佩服AI的强大,如果预测结果的范围允许两个可能位置,这种方法的预测准确率(中位数)高达83%,其中结直肠癌最高,达到100%;就算预测结果只能有一个位置,这种方法的预测准确率(中位数)也能达到63%,其中最高的也是结直肠癌,达到84%。
机器学习方法预测肿瘤位置的准确度。图片来源:Science
俗话说便宜没好货,但表现优异的CancerSEEK的人均检测成本不到500美元。MD安德森癌症中心的分子病理学家Anirban Maitra表示:“这个价格非常吸引人,因为仅仅做一个结肠镜检查也要花这么多钱。”[4]
不可否认,CancerSEEK还有不少地方需要提高。比如,8种蛋白检测指标中就有一种亦可受组织损伤影响,这个蛋白在关节炎等炎症疾病的患者体内也大量存在。这意味着在炎症性疾病人群中假阳性会高于1%。再比如,早期癌症患者的检测灵敏度还是偏低,而且在完全没有症状的患者身上是否继续有效还是未知数。但考虑到这一方法只需要抽血,方便度和患者接受度远超其他方法(亲身体验过结肠镜、胃镜、宫腔镜等操作的读者应该会深有感触),在癌症早期筛查中的优势仍然无可比拟。
CancerSEEK距离成为真实世界中人们癌症诊断和治疗的依据还有很多路要走。但它的优异表现使人们充满信心。
阿尔茨海默病
相比于癌症,阿尔茨海默病显得更难以捉摸。阿尔茨海默病的发病机理至今仍没有完全确定,科学家们还在为各种假说争论不休。这也影响了相关药物的研究,多种被寄予厚望的药物临床试验相继宣告失败,而目前市场上获批的全都是对症治疗药物,并不能从根本上改变疾病进程,更谈不上治愈了。有研究表明,早期干预有望延缓阿尔茨海默病的进展。不过受限于早期诊断方法的匮乏,早期干预目前很难实现。
当前阿尔茨海默病在临床上主要依赖于症状学诊断,然而这种疾病在早期时症状一般不明显,难以诊断。尽管阿尔茨海默病在极早期就会出现病理标志——β-淀粉样蛋白(amyloid-β,Aβ),但有效的检测手段也只有正电子发射断层扫描(PET)和抽取脑脊液进行Aβ的水平检测。前者需要价值数千万的设备并对受检者注射一定剂量的放射性药物,后者的操作损伤太大,不适合对于没有症状的人群进行大规模早期筛查。相比之下,血检简单方便成本低,但使用血液中的Aβ标志物进行可靠的阿尔茨海默病临床检测,到目前为止还没有任何成功的报道。
这一困境在近日被打破。Nature 杂志于1月31日在线发表了日本国立长寿医疗研究中心(NCGG)Katsuhiko Yanagisawa等科学家的成果,他们发现血浆中Aβ相关肽作为生物标志物可以准确预测大脑中的Aβ负担,准确率高达约90%。
Katsuhiko Yanagisawa教授。图片来源:NCGG
研究者通过免疫沉淀-质谱联用方法测定血浆中多个Aβ相关肽的水平,包括β淀粉样蛋白前体蛋白(APP)的669-711肽(APP669-711)、Aβ1-42和Aβ1-40。测试使用了两个相互独立的数据集,一个发现用数据集来自日本,包含121个对象;另一个验证用数据集来自澳大利亚,包含252个样本。这些数据集中均包含了认知正常的个体、有轻度认知障碍的个体以及阿兹海默病患者。
测试结果很有意思,血浆中这三种肽的水平单独并不能用于预测大脑中Aβ存在与否,但是两种肽水平的比值却可以。研究者发现,APP669-711/Aβ1-42比值、Aβ1-40/Aβ1-42比值以及二者的综合打分,都可准确预测个体大脑中Aβ阳性或者Aβ阴性的状态,其中综合打分的预测准确度最高,可达90%。这一结果也得到了PET成像结果以及脑脊液Aβ1-42水平检测结果的支持,这些血浆生物标志物与大脑中Aβ负担及脑脊液中Aβ1-42水平显著相关。
Aβ相关肽预测大脑中的Aβ状态。图片来源:Nature